摘要：最近有个朋友说： “我有种不详的预感，AI编程按照现在这个速度迭代下去，程序员失业的日子就在未来几年。”
最近有个朋友说： “我有种不详的预感，AI编程按照现在这个速度迭代下去，程序员失业的日子就在未来几年。”
我明白他说的意思，2025年， 各个大厂、小厂的程序员们都在发疯似地推出自家的AI编程工具，有股不把自己干掉就誓不罢休的劲头儿 。
AI编程工具效果也越来越好，尤其前端开发，那理解力和生成的效果让我惊叹，后端可能要更安全一些，但以后也不好说。
但是我倒不恐慌，因为我觉得AI编程能不能保持现在的速度持续迭代，还是要打上几个大大的问号：
这些看起来“吓人”的工具是不是已经触及了大模型的能力极限？
是不是无论怎么反复折腾，依然在一个框框内无法突破，依然是个半吊子的程序员？
0 1这一波AI热潮的起点是ChatGPT，到现在为止也没有很大的改变，它的 最大问题就是输出的东西不能保证正确性。
所以你会看到大模型厂商都得用小字儿“偷偷”声明：
内容由 AI 生成，请仔细甄别
ChatGPT 也可能会犯错。请核查重要信息。
服务生成的所有内容均由人工智能模型生成，其生产内容的准确性和完整性无法保证，不代表我们的态度或观点
所以，你要胆敢直接把它的回答拿到“正式场合”，“生产环境”，跌了大跟头，人家厂商是不负责任的。
但是， 人工智能这个“二把刀”在很多场景下确实能发挥作用 ，比如写个“八股文”，起草个“讲话稿”，写一段代码，查找一下资料，润色一下文章，翻译一篇英文，简直就是一个神器。
这些场景的最大特点就是， 最终都有人站在最后一关做“终审判决”。
人会检查它做得对不对，讲话稿中领导称呼错了，改过来就是；生成的图片背景不对，重新生成。代码错了，程序员能改过来。
但人类从来不满足于一个“二把刀”。
他们开始野心勃勃地把多个二把刀串联起来，想要搞定更复杂的任务。
但是要命的事情来了，即使一个“二把刀”的准确率是90%，把10个“二把刀”串联起来，完成一个复杂任务，最后的准确性一下子降低为34.87%，可以说是惨不忍睹了。
我们拼命提高一个二把刀的准确率，提升到95%，最终的结果是59.87%，依然不及格。
如果把二把刀的准确率提升到99% ，结果会好一些：
但是，如果二把刀再多一些（达到20个），准确率又迅速下跌：
在计算机系统的设计中，为了防止一个组件失效，我们通常会采用 并联 的方式提高可用性。
两个组件并联，可用性计算方法是：
假设一个组件的可用性是90%，并联后的可用性是：一下子达到了99%，提高了很多啊！
人工智能的二把刀能这么干吗？
不能，因为 准确率不等于可用性 。
准确率是一个“判断对不对”的统计属性。 两个系统可能都犯错，甚至错得一模一样。
如何提高多个二把刀的准确性呢？我在这方面也不是专家，问了一个朋友，他给我说了一堆方法，比如DyLAN（优胜劣汰的竞争机制），就是让多个“二把刀”并行解决同一个问题，然后由一个决策者评估每个“二把刀”的表现，保留好的，淘汰差的......
但是决策者如何自动评估每个“二把刀”的表现呢？ “决策者”本身也是个“二把刀”啊！它的正确性怎么保证呢？
可以用多个决策者，然后再引入一个决策者的决策者......
这就变成鸡生蛋，蛋生鸡的问题了....
当然，还有其他手段和机制来提升复杂AI系统的准确率，但也是“修修补补”，结果依然是：
“内容由 AI 生成，请仔细甄别”
人，依然是最终的审判者。
0 2不过没关系，AI找到了一个非常适合自己的领域。
在这个领域，无数人不但自己要创作，还要“审判”自己创作的正确性。
这些人被称为程序员。
他们使用的是一种叫编程语言的东西，相比自然语言，它非常简单，非常规范，用一堆BNF就能精确定义，语法出错了，马上就能检查出来。
程序员还非常慷慨，把自己的劳动成果都放到了一个叫做GitHub的地方，AI可以轻松学习，量大管饱。
然后，AI就可以干活了， 它可以用多个Coding Agent来并行生成代码，然Review Agent来做代码静态分析，找出潜在逻辑缺陷，让Test Agent自动生成测试，执行验证，让Fix Agent来进行多轮修复，最后再裁决，输出一份最终结果。
准确性怎么办呢？
不用担心，反正有程序员最终负责。
“我都帮你生成这么多代码了，审查下正确性又怎么了？”
简直是完美。
于是，大量的公司开始向这个领域发起冲锋了，各种各样的编程助手让人眼花缭乱。
不过，程序员们也不用担心，适应变化，密切关注它的发展，在这些武器库中挑选自己趁手的工具就行了。
如果真有那么一天， AI把程序员都能替换掉了，它肯定也把无数行业的人都替换掉了。
来源：博学的火车n0Rjo2